《数理统计》(浙大四版)-第7章---参数估计.ppt

高等学校数学专业课程《数理统计》参数估计第七章数学教研室

统计推断估计假设检验非参数估计参数估计点估计区间估计矩法估计极大似然估计对总体的数字特征进行估计对总体分布中的参数进行估计【例如】设X~E(1/?),其中?未知，对?进行估计。前言

本章目录§7.1参数的点估计§7.3点估计的评价标准§7.4区间估计§7.5正态总体均值与方差的区间估计§7.6〔0-1〕分布参数的区间估计§7.7单侧置信区间上一页下一页返回§7.1参数的点估计

§7.1参数的点估计一、问题的提法二、点估计的求法三、小结1、矩法估计法2、极大似然估计法

§7.1参数的点估计一、问题的提法设总体X的分布函数形式,但它的一个或多个参数为未知,借助于总体X的一个样本来估计总体未知参数的值的问题称为点估计问题.【引例1】

用样本均值来估计总体的均值E(X).【解】§7.1参数的点估计

点估计问题的一般提法§7.1参数的点估计如何构造样本的函数〔即统计量〕是解决问题的关键！常用构造估计量的方法:〔矩法估计〕〔极大似然估计〕矩法最大似然法

1.矩估计法【引例2】设X~E(?),其中?未知，求?的点估计。【分析】从总体X中取样本X1,X2,…,Xn，于是可用样本均值替代总体均值即辛钦大数定律则有样本矩总体矩矩法估计§7.1参数的点估计

(X为连续型)(X为离散型)矩估计的一般情形§7.1参数的点估计1、矩估计

依据“辛钦大数定律”有：样本矩作为相应总体矩的估计量；样本矩的连续函数作为相应总体矩的连续函数的估计量.矩估计的基本思想：（K·皮尔逊）（1857-1936）§7.1参数的点估计1、矩估计

Step1:总体X的j阶原点矩E(Xj)记为mj,j=1,2,?,k设总体X的分布函数中含有k个未知参数Step2:算出j阶样本原点矩Step3:令,得关于?1,?2,?,?k的方程（组）Step4:解上述方程（组），其解记为一般地,mj（j=1,2,?,k）是总体分布中的参数?1,?2,?,?k的函数，记为mj(?1,?2,?,?k),(m=1,2,?,k)矩估计的根本步骤§7.1参数的点估计1、矩估计

【例1】【解】解方程组得到a,b的矩估计量分别为§7.1参数的点估计1、矩估计

解方程组得到矩估计量分别为【例2】【解】§7.1参数的点估计1、矩估计

【解】由矩法,从中解得的矩估计.即为【例3】设总体X的概率密度为是未知参数,其中X1,X2,…,Xn是取自X的样本,求参数的矩估计.§7.1参数的点估计1、矩估计

【例4】设X~E(?),其中?未知，求?的矩法估计。【解】采用二阶矩，有即那么有即所以〔选用一阶矩时，见引例2〕矩法估计的结果不唯一！替换原那么：尽可能采用低阶矩替换。§7.1参数的点估计1、矩估计

矩法估计的优缺点：缺点——当总体类型时，没有充分利用分布提供的信；一般场合下,矩估计量不具有唯一性。其主要原因在于建立矩法方程时，选取那些总体矩用相应样本矩代替带有一定的随意性.优点——简单易行,并不需要事先知道总体是什么分布§7.1参数的点估计1、矩估计

1922年，英国统计学家费希尔重新发现了这一方法，并首先研究了这种方法的一些性质。适用范围：总体分布类型时。1821年，德国数学家高斯首先提出该方法（Gauss，1777－1855）R.A.Fisher费希尔（1890～1962）然而，这个方法常归功于统计学家费希尔2.极大似然估计法§7.1参数的点估计

极大似然法的根本思想【引例1】一只野兔从前方窜过…某位同学与一位猎人一起外出打猎…你认为最有可能是谁打中的呢？只听一声枪响，野兔应声倒下.这个例子所作的推断已经表达了极大似然法的根本思想.2、极大似然估计法§7.1参数的点估计

【引例2】设总体X~b(1,p），即现已知p=0.8或p=0.2，到底是哪个，需要作出推断（选择）？【分析】取样本(X1,X2)，那么其具有联合分布列设样本值为(1,1)，那么当p=0.8时，(1,1)出现的概率为0.64当p=0.2时，(1,1)出现的概率为0.04若基于(1,1)，则选择p=0.8.参数（p）的选择应对所出现的观察结果最有利，即参数（p）的选择应使观察结果出现的概率最大。【极大似然法的基本思想】2、极大似然估计法§7.1参数的点估计

设X是离散型总体，其分布律为p(x;?)，X1,X2,…Xn是取自X的一个样本，那么其联合分布律为：【极大似然法的根本原理】似然函数：关于?的函数2、极大似然估计法§7.1参数的点估计设X是连续型总体